详细解释大数定理+中心极限定理(二)
引言
上一节我们已经讲了马尔科夫不等式,这节主要讲解切比雪夫不等式。
切比雪夫不等式
切比雪夫不等式是马尔科夫不等式的特殊情况,而且还有进一步的关系:这两个不等式的作者是师生关系。
马尔科夫不等式是以俄国数学家按安德雷.马尔科夫命名。
而切比雪夫不等式是以马尔科夫的老师巴福尼提.列波维奇.切比雪夫命名的。
2.1 切比雪夫不等式与直观感受
切比雪夫不等式是这么写的:
其中 , 是期望,是标准差。
我们还是通过 的正态分布来感受一下切比雪夫不等式:
可见,越远离平均值,概率越低。
2.2 切比雪夫不等式与年薪百万
根据上一节的数据,我们来计算一下切比雪夫不等式认为年薪百万的概率是多少?
切比雪夫不等式认为最多只有千分之二的概率,比之前大大降低。应该说切比雪夫不等式预测的准确率要远远高于马尔科夫不等式。
2.3 切比雪夫不等式的证明
马尔科夫不等式是这样的:
我们把代入:
很显然等价于:
令 , 容易得到:
注意
马尔科夫不等式、切比雪夫不等式只是对概率的一个估计,有可能不是很准确,但总瞎想要准确。
切比雪夫不等式的严格证明
下面给出一个我看到的比较好理解的证明,思路比较清晰
已知切比雪夫不等式:
首先引入方差的定义:
(R指无穷大,F(X)是X的分布函数,式子是X方差的定义)
1、缩小积分域。由(-∞,+∞)缩小到区域{X || X-E(X)|>=e}
注意:| X-E(X)|>=是一个积分域。
因为被积函数是非负数,所以积分域就会缩小
2、缩小被积函数。由 (X - E(X) ) 缩小到e,所以缩被积函数,函数值缩小
3、变换
至此大家应该都明白了吧,下一小节就要进入主题了:大数定理